科研之友
微信
新浪微博
Facebook
分享链接
摘要
目的：构建基于数据融合长短期记忆(DF-LSTM)的大型医疗设备异常检测模型，用以发掘设备异常，减少设备宕机概率。方法：借助医疗设备日志信息，从医疗设备厂家获取异常标注规则，提取医院计算机断层扫描(CT)设备的传感器日志数据16 643 688条，使用滑动窗口方法对其分割生成日志序列，最终获得53 114个日志序列，以按照时间窗口分割的日志序列为输入，以异常与否为输出，构建基于DF-LSTM的大型医疗设备异常检测模型，并进行训练和验证，对比使用交叉熵损失函数的DF-LSTM异常检测模型与本研究使用焦点损失(focalloss)函数的DF-LSTM异常检测模型的精确率、召回率以及F1分数(F1-score)。结果：基于DF-LSTM大型医疗设备异常检测模型的精确率、召回率及F1-score分别达到99.615%、98.969%和0.993分，较使用交叉熵损失函数的DF-LSTM异常检测模型均有约1%的提升。结论：基于DFLSTM的大型医疗设备异常检测模型具有较好的表现，能够极好地提取日志序列信息，有效识别异常日志序列，减少误判和错判情况，提高大型医疗设备运维人员工作效率，减少因大型医疗设备宕机而造成的损失。
-
单位山东第一医科大学; 山东省千佛山医院; 山东省中医药研究院; 山东政法学院
